AI 语音合成入门：用 API 让文字开口说话

2026/06/09·10 分钟阅读·14 次阅读

你有没有想过，让 AI 把一段文字变成自然流畅的语音？无论是制作有声读物、为视频配音，还是搭建语音助手，语音合成（TTS）技术都能帮你实现。本文将手把手教你通过词元圈 API 调用 TTS 服务，零基础也能快速上手。

什么是语音合成

语音合成（Text-to-Speech，简称 TTS）是一种将文字转换为语音的技术。简单来说，你给 AI 一段文字，它就能「读」出来，而且声音越来越接近真人。

现代 TTS 技术已经能做到：

自然流畅：不再是机械的电子音，听起来像真人朗读
多种音色：男声、女声、不同风格随意选择
多语言支持：中文、英文、日语等主流语言都能处理
情感表达：可以根据内容调整语调和情感

TTS API 调用流程

准备工作

开始之前，你需要准备以下内容：

词元圈账号：访问 ciyuano.com/register 注册
一个 API 密钥：在后台「API 密钥」页面创建
一个 HTTP 客户端：可以用 curl（命令行）、Postman、或者任意编程语言

提示：TTS 功能需要账户有足够余额。新注册用户通常有免费额度，可以在后台「用量」页面查看。

选择合适的音色

词元圈支持多种语音音色，每种音色都有不同的风格特点。以下是常用音色对比：

常用音色对比

选择音色的建议：

不确定用哪个？选 alloy，最通用的中性音色
做客服或教育内容？选 nova，温暖亲切
做新闻播报？选 echo，清晰专业
讲故事或配音？选 fable，富有感情

详细操作步骤

第一步：获取 API 密钥

登录词元圈后台，进入「API 密钥」页面，创建一个新密钥。复制密钥，格式类似 sk-relay-xxxxxxxxxx。

安全提醒：密钥只显示一次，请妥善保存。不要将密钥硬编码在公开的代码仓库中。

第二步：发送 TTS 请求

使用 curl 命令发送一个最简单的 TTS 请求：

curl -X POST https://www.ciyuano.com/v1/audio/speech   -H "Authorization: Bearer sk-relay-你的密钥"   -H "Content-Type: application/json"   -d '{
    "model": "tts-1",
    "input": "你好，欢迎使用词元圈语音合成服务。今天天气真不错！",
    "voice": "alloy"
  }'   --output speech.mp3

这条命令的含义：

POST /v1/audio/speech：调用语音合成接口
model：使用的模型，tts-1 为标准模型，tts-1-hd 为高清模型
input：要转换为语音的文字内容
voice：选择的音色
--output speech.mp3：将返回的音频保存为 MP3 文件

执行成功后，当前目录会生成一个 speech.mp3 文件，用任意播放器打开即可听到 AI 生成的语音。

第三步：调整语音参数

你可以通过额外参数来控制语音效果：

{
  "model": "tts-1-hd",
  "input": "这是一段需要高清音质的语音内容。",
  "voice": "nova",
  "speed": 1.2,
  "response_format": "mp3"
}

可调参数说明：

参数	说明	默认值
`model`	模型选择：`tts-1`（标准）或 `tts-1-hd`（高清）	tts-1
`voice`	音色选择：alloy / nova / echo / fable / onyx / shimmer	alloy
`speed`	语速，范围 0.25 ~ 4.0	1.0
`response_format`	输出格式：mp3 / opus / aac / flac / wav / pcm	mp3

小技巧：如果语音速度不合适，用 speed 参数调整。比如听书场景可以用 1.2 ~ 1.5 倍速，讲解场景可以用 0.8 ~ 1.0 倍速。

第四步：在代码中调用

如果你熟悉 Python，可以用以下代码调用 TTS 接口：

import requests

url = "https://www.ciyuano.com/v1/audio/speech"
headers = {
    "Authorization": "Bearer sk-relay-你的密钥",
    "Content-Type": "application/json"
}
data = {
    "model": "tts-1",
    "input": "你好，这是一段测试语音。",
    "voice": "nova"
}

response = requests.post(url, headers=headers, json=data)

with open("output.mp3", "wb") as f:
    f.write(response.content)

print("语音已生成：output.mp3")

JavaScript / Node.js 的调用方式类似：

const response = await fetch("https://www.ciyuano.com/v1/audio/speech", {
  method: "POST",
  headers: {
    "Authorization": "Bearer sk-relay-你的密钥",
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "tts-1",
    input: "你好，这是一段测试语音。",
    voice: "nova"
  })
});

const buffer = await response.arrayBuffer();
require("fs").writeFileSync("output.mp3", Buffer.from(buffer));
console.log("语音已生成：output.mp3");

实用场景示例

场景一：批量生成有声内容

如果你有一批文章需要转成语音，可以写一个简单的循环脚本，逐段调用 TTS 接口。注意控制调用频率，避免触发限流。

场景二：视频配音

制作教程视频时，先用 TTS 生成旁白音频，再用剪辑软件合成到视频中。比自己录音更高效，音质也更稳定。

场景三：语音通知

在应用中加入语音通知功能，比如订单提醒、系统告警等。用户收到的不再是冷冰冰的文字，而是一段温暖的语音提示。

场景四：多语言内容

同一个内容可以用不同语言的音色生成多语言版本，方便做国际化内容分发。

常见问题

问题	解决方案
返回 401 错误	检查 API 密钥是否正确，是否已过期或被禁用
返回 429 错误	请求过于频繁，降低调用频率或升级套餐
音频文件为空	检查 input 字段是否为空，文字长度是否超过限制
中文发音不自然	尝试切换不同音色，或使用 tts-1-hd 模型获得更好效果
生成速度慢	tts-1 比 tts-1-hd 更快；长文本建议分段处理